定义
非局部均值（non-local means, NLM）方法是由Buades等人[1]在2005年提出的图像去噪方法，NLM方法充分利用了图像中存在的自相似性，即在自然图像中往往存在一些空间位置不同但彼此相似的图像块，如果图像所加的是均值为零的加性高斯白噪声，加权平均一些相似图像块能够较好地消除像素的噪声。这一思想是对邻域平均去噪方法的重大改进[2]。
优点
相比高斯平滑、各向异性滤波、领域滤波、全变分，保边和滤波的效果更好[1]；NLM方法具有算法简洁、性能优越、易于改进与扩展的特点，成为最近几年滤波研究领域的热点[2]。
缺点
1、参数敏感，参数调整会影响整体去噪效果，“牵一发而动全身”。
2、由于是非局部进行图像块搜索，因此计算量大。
3、要求图像或视频局部，必须有重复出现的纹理，对非自然图像不友好。
4、理论上仅适用于加性高斯噪声。
NLM滤波器设计
核心思想就是通过相似度对像素块加权后，再进行平均去噪：
NLM方法的相似系数（贡献权重）由当前像素点与其邻域内其它像素点为中心的图像块之间的相似性来决定，这种权值的计算与两个像素的空间位置没有实质性的关系，只与两个图像块的相似性有关[2]。
参考文献
[1] Antoni Buades, Bartomeu Coll, J.-M. Morel. A non-local algorithm for image denoising[C]// Computer Vision and Pattern Recognition, 2005. CVPR 2005. IEEE Computer Society Conference on. IEEE, 2005.
[2] 许光宇. 非局部图像去噪方法及其应用研究[D]. 合肥工业大学, 2013.
